رفتن به محتوای اصلی
· 7 دقیقه مطالعه· در هوش مصنوعی

اهدای پروژه اوپن‌شل به بنیاد لینوکس؛ گام بزرگ انویدیا برای ایمن‌سازی کارخانه‌های هوش مصنوعی

شرکت انویدیا محیط اجرای امنیتی «اوپن‌شل» را به بنیاد رایانش ابری بومی (CNCF) اهدا کرد تا استانداردی متن‌باز برای کنترل عوامل هوش مصنوعی ایجاد کند. این اقدام به همراه معرفی ابزارهای جدید کوبرنیتیز، زیرساخت‌های لازم برای توسعه کارخانه‌های هوش مصنوعی را فراهم می‌کند.

به قلم الوین شادمهر

این خبر را به اشتراک بگذارید

گوش‌ دهید

همان‌طور که گوگل در گذشته پروژه کوبرنیتیز را برای استانداردسازی مدیریت کانتینرها به بنیاد رایانش ابری بومی (CNCF) اهدا کرد، انویدیا نیز اکنون مسیر مشابهی را در پیش گرفته است. تفاوت اصلی اینجاست که پروژه جدید انویدیا زیرساخت را مدیریت نمی‌کند، بلکه رفتار و مرزهای امنیتی عوامل هوش مصنوعی خودمختار را کنترل می‌کند.[4]

شرکت انویدیا در تاریخ ۱۰ نوامبر ۲۰۲۶ و در جریان کنفرانس KubeCon در سالت‌لیک‌سیتی، محیط اجرای امنیتی خود با نام «اوپن‌شل» (OpenShell) را به بنیاد لینوکس اهدا کرد. این پروژه اکنون به عنوان یک پروژه سندباکس در CNCF پذیرفته شده است تا تحت حاکمیت خنثی و مشترک جامعه متن‌باز توسعه یابد.[1][2][4]

اوپن‌شل یک محیط اجرای متن‌باز است که عوامل هوش مصنوعی را در سندباکس‌های ایزوله در سطح هسته سیستم‌عامل اجرا می‌کند. این سیستم به جای تکیه بر دستورات متنی برای محدود کردن هوش مصنوعی، از سیاست‌های قطعی و اعلامی (YAML) برای کنترل دسترسی‌ها بهره می‌برد.[5][6]

مکانیسم‌های امنیتی در سطح هسته

مکانیسم عملکرد اوپن‌شل بر پایه محدودسازی دسترسی به فایل‌ها، شبکه‌ها و پردازش‌ها استوار است. این سیستم با استفاده از فناوری Landlock دسترسی به فایل‌ها را به مسیرهای مجاز محدود کرده و با بهره‌گیری از seccomp از فراخوانی‌های سیستمی خطرناک و ارتقای سطح دسترسی جلوگیری می‌کند.[5][6]

یکی از مهم‌ترین ویژگی‌های این محیط، نحوه مدیریت اعتبارنامه‌ها و کلیدهای امنیتی است. عوامل هوش مصنوعی هرگز کلیدهای واقعی یا رمزهای عبور را نمی‌بینند؛ بلکه یک ناظر خارجی این اعتبارنامه‌ها را تنها در زمان ارسال درخواست به مقصدهای تایید شده و به صورت لحظه‌ای تزریق می‌کند.[5][6]

معماری اوپن‌شل شامل دروازه، ناظر و سندباکس است که دسترسی عوامل هوش مصنوعی را کنترل می‌کنند.

معماری اوپن‌شل از سه بخش اصلی تشکیل شده است که هماهنگ با یکدیگر کار می‌کنند. بخش دروازه (Gateway) وظیفه مدیریت چرخه حیات سندباکس‌ها را بر عهده دارد، در حالی که ناظر (Supervisor) درخواست‌های خروجی را بررسی کرده و بخش سندباکس کدهای عامل را در محیطی بسته اجرا می‌کند.[6]

جیم زملین، مدیرعامل بنیاد لینوکس، این اقدام را پاسخی به یک چالش جدید در زیرساخت‌های ابری می‌داند. او تاکید کرد که جامعه بومی ابری اکنون باید محیط‌های امنی را برای فعالیت عوامل هوش مصنوعی فراهم کند و اوپن‌شل یک پایه مشترک و استاندارد برای این هدف ارائه می‌دهد.[1][2][4]

پیش از این، دسترسی عوامل هوش مصنوعی به فایل‌های محلی و شبکه‌های خارجی یک شمشیر دو لبه بود. توانایی خواندن فایل‌ها و اجرای کدها برای کارایی این عوامل ضروری است، اما همزمان خطر نشت داده‌های سازمانی و اجرای کدهای مخرب را به شدت افزایش می‌دهد.[4][6]

مدیریت منابع با ایجنت سابستریت

انویدیا علاوه بر اوپن‌شل، مشارکت خود را در پروژه «ایجنت سابستریت» (Agent Substrate) که توسط گوگل آغاز شده بود، گسترش داده است. این چارچوب نیز به تازگی وارد سندباکس CNCF شده و برای اجرای بارهای کاری طولانی‌مدت عوامل هوش مصنوعی در محیط کوبرنیتیز طراحی شده است.[1][3][4]

عوامل هوش مصنوعی معمولاً زمان زیادی را در حالت بیکار و در انتظار دریافت پاسخ از مدل‌ها یا ابزارها سپری می‌کنند. اختصاص یک پاد (Pod) دائمی در کوبرنیتیز برای این عوامل بیکار، منجر به هدررفت منابع پردازشی گران‌قیمت در خوشه‌های گرافیکی می‌شود.[3][5]

چارچوب ایجنت سابستریت این مشکل را با ذخیره وضعیت جلسات بیکار، از جمله حافظه و سیستم‌فایل، حل می‌کند. این سیستم منابع پردازشی را آزاد کرده و در زمان نیاز، جلسه را روی یک کارگر در دسترس بازیابی می‌کند که به گفته انویدیا تراکم اجرای برنامه‌ها را تا ۱۰ برابر افزایش می‌دهد.[1][3]

انویدیا این ابزارهای جدید را در جریان کنفرانس KubeCon در سالت‌لیک‌سیتی معرفی کرد.

در کنار این پروژه‌های متن‌باز، انویدیا سه ابزار جدید را برای پلتفرم «کارخانه هوش مصنوعی DSX» خود معرفی کرد. این ابزارها شامل موتور کوبرنیتیز انویدیا (NVKE)، دستورالعمل‌های کوبرنیتیز (NVKR) و سیستم اسنپ‌شات (Snapshot) هستند که همگی تحت لایسنس آپاچی ۲.۰ برای استفاده عمومی منتشر شده‌اند.[1][4][6]

موتور کوبرنیتیز انویدیا (NVKE) یک لایه مدیریتی برای اجرای کوبرنیتیز روی سخت‌افزارهای فیزیکی مجهز به پردازنده‌های گرافیکی است. این ابزار به تیم‌های پلتفرم اجازه می‌دهد تا خوشه‌های پردازشی را با کنترل کامل بر امنیت و دسترسی‌ها، برای مشتریان داخلی یا خارجی خود ایجاد و مدیریت کنند.[1][6]

ابزارهای جدید کارخانه هوش مصنوعی

دستورالعمل‌های کوبرنیتیز انویدیا (NVKR) نیز به عنوان مکمل این موتور عمل می‌کنند. این دستورالعمل‌ها تصاویر گره‌ها، کانتینرها و بسته‌های نرم‌افزاری مورد نیاز خوشه‌ها را از ترکیب‌های تایید شده نسخه‌های نرم‌افزاری و نسل‌های مختلف پردازنده‌های گرافیکی می‌سازند تا پایداری سیستم در مقیاس بالا تضمین شود.[1][4]

این حرکت انویدیا نشان‌دهنده تغییر استراتژی این شرکت از فروش صرف سخت‌افزار به ارائه لایه کنترل زیرساخت است. با متن‌باز کردن این ابزارها، انویدیا تلاش می‌کند تا لایه مدیریت خوشه‌ها را به یک استاندارد عمومی تبدیل کند و وابستگی شرکت‌ها به ارائه‌دهندگان انحصاری ابری را کاهش دهد.[6]

شرکت‌های متعددی در صنعت زیرساخت از هم‌اکنون برای ادغام این ابزارهای جدید در محصولات خود برنامه‌ریزی کرده‌اند. نام‌های شناخته‌شده‌ای مانند میرانتیس، رافای، اسپکترو کلاود و اس‌کی تلکام قصد دارند از این لایه‌های متن‌باز برای ارائه خدمات مدیریت‌شده و ایمن به مشتریان سازمانی خود بهره ببرند.[1]

سیستم اسنپ‌شات انویدیا نیز برای حل مشکل زمان طولانی بارگذاری مدل‌های بزرگ هوش مصنوعی طراحی شده است. این ابزار نسخه‌های ذخیره‌شده از بارهای کاری را در چند ثانیه بازیابی می‌کند، بدون اینکه نیازی به بارگذاری مجدد مدل در حافظه یا گرم کردن سیستم پردازشی باشد.[4][5]

در آزمایش‌های انجام شده توسط شرکای انویدیا روی سیستم‌های پیشرفته HGX B300، ابزار اسنپ‌شات توانست زمان آماده‌سازی مدل GLM-5.3 را به شدت کاهش دهد. این زمان از حدود هشت دقیقه به تنها ۳۱ ثانیه رسید که یک جهش بزرگ در سرعت مقیاس‌پذیری زیرساخت‌ها محسوب می‌شود.[1][3]

ابزار اسنپ‌شات زمان آماده‌سازی مدل‌های زبانی بزرگ را از چند دقیقه به چند ثانیه کاهش می‌دهد.

کاهش چشمگیر زمان بارگذاری مدل‌ها

شرکت ساترن کلاود نیز با استفاده از این ابزار موفق شد زمان راه‌اندازی مدل‌های vLLM را از بازه دو تا هشت و نیم دقیقه، به شش تا ۳۴ ثانیه کاهش دهد. این سرعت بالا برای پاسخگویی به ترافیک لحظه‌ای و پیش‌بینی‌نشده در برنامه‌های هوش مصنوعی حیاتی است.[1]

مفهوم «کارخانه هوش مصنوعی» که انویدیا آن را ترویج می‌کند، با مراکز داده سنتی تفاوت اساسی دارد. این کارخانه‌ها به طور خاص برای تولید هوش مصنوعی در مقیاس وسیع طراحی شده‌اند و نیازمند زیرساخت‌های نرم‌افزاری متفاوتی برای مدیریت همزمان هزاران پردازنده گرافیکی قدرتمند هستند.[4][6]

در مراکز داده سنتی، ترافیک شبکه بیشتر به سمت کاربران نهایی جریان دارد، اما در کارخانه‌های هوش مصنوعی، حجم عظیمی از داده‌ها بین خود پردازنده‌ها جابه‌جا می‌شود. مدیریت این ترافیک داخلی نیازمند لایه‌های کنترلی دقیقی است که ابزارهای جدید انویدیا دقیقاً برای پاسخ به همین نیاز مهندسی شده‌اند.[6]

صدها سازمان در کمتر از یک سال گذشته از اوپن‌شل استفاده کرده‌اند و ده‌ها هزار به‌روزرسانی کد برای آن ارسال شده است. انتقال این کدبیس به بنیاد لینوکس به فروشندگان و محققان مستقل اجازه می‌دهد تا مسیرهای کد را بررسی کرده و وصله‌های امنیتی جدیدی پیشنهاد دهند.[1][2][4]

این اقدام انویدیا در راستای تلاش‌های قبلی این شرکت برای ایمن‌سازی هوش مصنوعی متن‌باز انجام شده است. در سپتامبر ۲۰۲۶ نیز انویدیا رهبری «اتحاد هوش مصنوعی امن متن‌باز» را به بنیاد لینوکس واگذار کرد تا استانداردهای مشترکی برای ممیزی و بررسی سیستم‌های هوش مصنوعی تدوین شود.[7]

حاکمیت جامعه متن‌باز بر امنیت

ادغام اوپن‌شل با چارچوب ایجنت سابستریت به شرکت‌ها اجازه می‌دهد تا عوامل هوش مصنوعی خود را در محیط‌های ابری مختلف و سیستم‌های درون‌سازمانی به صورت یکپارچه مدیریت کنند. این یکپارچگی، مرزهای امنیتی را بدون کاهش کارایی یا ایجاد گلوگاه‌های پردازشی حفظ می‌کند.[1][4]

در سوی دیگر بازار، رقبایی مانند ای‌ام‌دی (AMD) نیز با معماری‌های اختصاصی خود در تلاش برای تصاحب این فضا هستند. با این حال، رویکرد متن‌باز انویدیا و همکاری نزدیک با بنیاد لینوکس می‌تواند کفه ترازو را به نفع استانداردهای مبتنی بر کوبرنیتیز و سخت‌افزارهای این شرکت سنگین‌تر کند.[8]

در سوی دیگر بازار، رقبایی مانند ای‌ام‌دی (AMD) نیز با معماری‌های اختصاصی خود در تلاش برای تصاحب این فضا هستند.

با وجود این پیشرفت‌ها، هنوز مشخص نیست که ارائه‌دهندگان بزرگ ابری تا چه حد این استانداردهای جدید را در پلتفرم‌های اختصاصی خود می‌پذیرند. رقابت بر سر کنترل لایه مدیریتی هوش مصنوعی همچنان یکی از داغ‌ترین و تعیین‌کننده‌ترین مباحث در صنعت فناوری و زیرساخت است.[6][8]

اهدای اوپن‌شل به CNCF نشان می‌دهد که امنیت عوامل هوش مصنوعی دیگر یک مزیت رقابتی انحصاری نیست، بلکه یک نیاز زیرساختی مشترک است. توسعه‌دهندگان اکنون ابزارهای لازم برای ساخت برنامه‌های بومی ابری نسل آینده را با اطمینان و شفافیت بیشتری در اختیار دارند.[2][4]

نکات کلیدی

  1. انویدیا پروژه اوپن‌شل را به عنوان یک سندباکس به بنیاد رایانش ابری بومی (CNCF) منتقل کرد.
  2. اوپن‌شل با استفاده از سیاست‌های قطعی، دسترسی عوامل هوش مصنوعی به فایل‌ها و شبکه‌ها را محدود می‌کند.
  3. ابزار جدید اسنپ‌شات زمان بارگذاری مدل‌های زبانی را از هشت دقیقه به ۳۱ ثانیه کاهش داده است.
  4. چارچوب ایجنت سابستریت با ذخیره وضعیت جلسات بیکار، تراکم اجرای برنامه‌ها را تا ۱۰ برابر افزایش می‌دهد.

آنچه نمی‌دانیم

  • هنوز مشخص نیست که ارائه‌دهندگان بزرگ ابری (Hyperscalers) تا چه حد این ابزارهای متن‌باز را جایگزین سیستم‌های اختصاصی خود خواهند کرد.
  • میزان مشارکت سایر شرکت‌های رقیب مانند ای‌ام‌دی در توسعه این استانداردهای مبتنی بر کوبرنیتیز نامشخص است.

روند رویداد

  1. سپتامبر ۲۰۲۶

    انویدیا رهبری اتحاد هوش مصنوعی امن متن‌باز را به بنیاد لینوکس واگذار کرد.

  2. ۷ نوامبر ۲۰۲۶

    انتشار اولیه موتور کوبرنیتیز انویدیا (NVKE) برای مدیریت خوشه‌های پردازشی.

  3. ۱۰ نوامبر ۲۰۲۶

    اعلام رسمی اهدای اوپن‌شل به CNCF در کنفرانس KubeCon سالت‌لیک‌سیتی.

توسعه‌دهندگان بومی ابری 40%تحلیلگران زیرساخت سازمانی 30%متخصصان امنیت هوش مصنوعی 30%
توسعه‌دهندگان بومی ابری
تمرکز بر ایجاد استانداردهای مشترک و متن‌باز برای زیرساخت‌های هوش مصنوعی.
تحلیلگران زیرساخت سازمانی
بررسی تغییر استراتژی انویدیا از سخت‌افزار به لایه کنترل نرم‌افزاری.
متخصصان امنیت هوش مصنوعی
تمرکز بر ایزوله‌سازی سندباکس‌ها و مدیریت امن اعتبارنامه‌ها.

دیدگاه‌هایی که این گزارش پوشش نداده

  • ارائه‌دهندگان بزرگ ابری (Hyperscalers)
  • توسعه‌دهندگان مدل‌های زبانی رقیب

منابع

پوشش منابع

8 منبع

3 دیدگاه شناسایی‌شده

توسعه‌دهندگان بومی ابری 40%تحلیلگران زیرساخت سازمانی 30%متخصصان امنیت هوش مصنوعی 30%
  1. [1]MLQ.aiتوسعه‌دهندگان بومی ابری

    Nvidia donates OpenShell agent-security runtime to the CNCF and adds Kubernetes tools for AI factories

    مطالعه در MLQ.ai →
  2. [2]IT Brief Australiaتوسعه‌دهندگان بومی ابری

    Nvidia donates OpenShell to CNCF as it backs agent scale

    مطالعه در IT Brief Australia →
  3. [3]TechBytesمتخصصان امنیت هوش مصنوعی

    NVIDIA Expands Open Source Commitment With OpenShell Donation and New AI

    مطالعه در TechBytes →
  4. [4]NVIDIA Blogتوسعه‌دهندگان بومی ابری

    NVIDIA Expands Open Source Commitment With OpenShell Donation and New AI Infrastructure

    مطالعه در NVIDIA Blog →
  5. [5]Unite.AIمتخصصان امنیت هوش مصنوعی

    NVIDIA Donates OpenShell to CNCF and Adds Open-Source AI Factory Tools

    مطالعه در Unite.AI →
  6. [6]n8nlab.ioتحلیلگران زیرساخت سازمانی

    NVIDIA Open-Sources the Missing Layer of the AI Factory

    مطالعه در n8nlab.io →
  7. [7]Phoronixمتخصصان امنیت هوش مصنوعی

    NVIDIA-Started Open Secure AI Alliance Moves To The Linux Foundation

    مطالعه در Phoronix →
  8. [8]Futurum Groupتحلیلگران زیرساخت سازمانی

    NVIDIA Open-Sources cuFile APIs and Advances AI Storage at FMS 2026

    مطالعه در Futurum Group →
گوش‌ دهید

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

اخبار هوش مصنوعی با پوشش کامل منابع و تحلیل دیدگاه‌ها، هر روز و رایگان.